[發明專利]一種用于檢測高速公路斷面交通擁堵的三維McMaster方法

有效

• 申請號: 202010537046.2
• 申請日: 2020-06-12
• 公開（公告）號: CN111724591B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 趙敏;孫棣華;唐毅;王衛平;廖孝勇;吳霄;蔣陳虎;劉廷讓
• 申請（專利權）人: 重慶大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 武君

1.一種用于檢測高速公路斷面交通擁堵的三維McMaster方法，其特征在于，包括以下步驟：

步驟一：基于車檢器數據提取交通參數，所述交通參數包括：車輛流量、平均速度和時間占有率；

步驟二：確定所述車輛流量、平均速度、時間占有率的三維參數空間中的非擁堵數據下界曲面的位置；將McMaster算法從二維參數空間擴展到三維參數空間，相應的二維參數空間中的非擁堵數據下界曲線也變成了三維參數空間中的非擁堵數據下界曲面；

所述步驟二中的具體過程如下：

1)基于不同交通狀態下的交通流參數具有空間可分離性，分析不同交通狀態下車輛流量、平均速度和時間占有率在三維參數空間中的分布特征；

2)確定非擁堵數據下界曲面的位置，并計算給定某一組時間占有率和平均速度取值情況下的非擁堵數據下界曲面上的流量取值；

步驟三：建立非擁堵數據下界曲面數據集；

步驟四：訓練貝葉斯正則化BP神經網絡擬合非擁堵數據下界曲面；具體方法為：

1)構建貝葉斯正則化BP神經網絡結構；

2)利用步驟三中構建的非擁堵數據下界曲面數據集訓練構建好的貝葉斯正則化BP神經網絡；以非擁堵數據下界曲面數據集中的占有率和速度作為輸入，以流量作為輸出，訓練貝葉斯正則化BP神經網絡，擬合非擁堵數據下界曲面上的函數關系；

采用梯度下降算法迭代優化所述貝葉斯正則化BP神經網絡的權值參數，直至滿足迭代終止條件時停止；迭代終止條件為：

||F⁽ⁱ⁺¹⁾-F⁽ⁱ⁾||≤ε或t＝t_max

式中，F⁽ⁱ⁺¹⁾為第i+1次迭代時損失函數的值，F⁽ⁱ⁾為第i次迭代時損失函數的值，ε為迭代終止條件閾值，t_max為迭代最大次數；

步驟五：利用訓練好的貝葉斯正則化BP神經網絡對實時檢測到的交通數據進行高速公路斷面交通擁堵檢測。

2.根據權利要求1所述的方法，其特征在于，所述步驟一的具體過程如下：

1)基于車檢器歷史數據，設定合適的檢測周期，得到檢測周期內每條車道的車輛流量、平均速度和時間占有率交通流參數；

2)針對單個車檢器的每條車道在同一檢測周期內的交通流參數，對其進行合并處理以得到對應檢測周期內高速公路車檢器斷面位置處的車輛流量、平均速度和時間占有率交通流參數，合并計算公式如下：

式中，q，v，o分別為合并后的斷面車輛流量，平均速度和時間占有率參數，n為車道數量，q_i，v_i，o_i分別為單條車道的車輛流量、平均速度和時間占有率。

3.根據權利要求2所述的方法，其特征在于，所述步驟二中過程2)流量值的計算方法為：

車輛流量的取值服從正態分布：

Q_o,v～N(μ_o,v,σ_o,v²)

式中，Q_o,v為車輛流量，μ_o,v為時間占有率和平均速度取值固定時多次流量測量值的均值，σ_o,v為標準差；

根據拉依達準則，結合不同交通狀態下交通流參數的空間可分離性特點，按照下式計算三維參數空間中非擁堵數據下界曲面的流量值：

式中，為確定時間占有率和平均速度取值下的非擁堵數據下界曲面流量值，μ_o,v為時間占有率和平均速度取值固定時多次流量測量值的均值，σ_o,v為標準差。

4.根據權利要求2所述的方法，其特征在于，所述步驟三的具體方法為：基于交通流狀態穩定時交通狀態參數一般不會發生突然變化的特性，以確定的時間占有率-平均速度取值點為中心，計算其一定鄰域范圍內所有非擁堵數據流量值的均值與標準差，并用其作為中心占有率和速度取值下的流量觀測值的均值與標準差的近似值：

式中，μ_o,v為流量觀測值的均值，σ_o,v為流量觀測值的標準差；o_i和v_i分別為鄰域內的時間占有率和平均速度，θ和ω分別為時間占有率和平均速度取值的鄰域范圍參數，表示一定鄰域范圍內所有非擁堵數據流量值的均值，表示一定鄰域范圍內所有非擁堵數據流量值的標準差。